欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實戰(zhàn)洞察。

基于Python的時間序列分析大氣污染預(yù)測軟件實踐

基于Python的時間序列分析大氣污染預(yù)測軟件實踐 1. 為什么要做一個基于Python的大氣污染預(yù)測軟件我先交代一下背景。去年接了個空氣質(zhì)量監(jiān)測的課題需要根據(jù)歷史污染物濃度數(shù)據(jù)預(yù)測未來幾天的PM2.5、PM10、NO?、O?等指標(biāo)。最開始用Excel硬算滑動平均、線性回歸都試過結(jié)果一到污染過程轉(zhuǎn)折點(diǎn)就嚴(yán)重滯后。后來決定自己動手用Python寫一套完整的時間序列分析預(yù)測軟件把數(shù)據(jù)清洗、特征構(gòu)造、模型訓(xùn)練、預(yù)測、可視化、報告輸出全部串起來。這套東西做完以后不僅課題交付了還整理出了一份配套文檔和源碼工程方便后面任何人接手維護(hù)。文章標(biāo)題里的“基于Python的時間序列分析的大氣污染預(yù)測軟件”說白了就是干這件事的。它能做的事情很明確給定一個監(jiān)測站點(diǎn)的歷史濃度數(shù)據(jù)自動完成缺失值處理、異常值識別、趨勢和周期性分解然后訓(xùn)練時間序列模型輸出未來24小時到72小時的濃度預(yù)測并生成圖表和評估指標(biāo)。適合給環(huán)境監(jiān)測站、高校實驗室、環(huán)保方向的學(xué)生和科研人員做參考也可以作為課程設(shè)計或畢業(yè)設(shè)計的完整項目模板。我見過太多類似項目最終卡死在兩個地方一是數(shù)據(jù)質(zhì)量太差二是模型選型過于隨意。很多教程上來就教你跑ARIMA但壓根不告訴你數(shù)據(jù)需要滿足什么前提也不告訴你如果數(shù)據(jù)有多個季節(jié)周期該怎么辦。所以這篇博文我不想只貼一堆代碼而是把完整的設(shè)計思路和踩坑過程都講清楚讓你拿到源碼之后不僅能跑通還能根據(jù)實際數(shù)據(jù)調(diào)整出更好的效果。2. 時間序列分析在空氣質(zhì)量預(yù)測里的核心思路2.1 為什么用時間序列而不是普通回歸大氣污染數(shù)據(jù)天然是帶時間戳的序列數(shù)據(jù)每小時的監(jiān)測值之間存在強(qiáng)烈的自相關(guān)性。舉個很直觀的例子今天下午3點(diǎn)的PM2.5濃度和昨天下午3點(diǎn)、前幾小時的數(shù)據(jù)密切相關(guān)而不是和某個不相關(guān)的特征比如“今天星期幾”線性相關(guān)。普通回歸模型把每個時刻當(dāng)作獨(dú)立樣本處理會徹底丟掉這種時間依賴關(guān)系。時間序列分析的核心思路是把“時間順序”作為模型的一等公民。我們會先處理三件事趨勢trend、季節(jié)性seasonality、殘差residual??諝赓|(zhì)量數(shù)據(jù)里有明顯的日周期交通早晚高峰導(dǎo)致污染物濃度升高、周周期周末工業(yè)活動減少和年周期冬季采暖導(dǎo)致濃度上升。如果不用時間序列方法這些周期性規(guī)律很難被普通回歸模型捕捉。另一個原因是預(yù)測任務(wù)本身的性質(zhì)。我們要做的是“未來幾小時/幾天的濃度”不是“給定一堆特征預(yù)測一個值”。時間序列模型天生支持滾動預(yù)測比如用過去72小時預(yù)測未來1小時再逐步滾動預(yù)測未來24小時。這對環(huán)境監(jiān)測、預(yù)警場景極其重要。2.2 數(shù)據(jù)分解看懂序列里藏著的規(guī)律拿到數(shù)據(jù)后第一件事不是建模而是分解。我常用statsmodels的seasonal_decompose把序列拆成趨勢項、季節(jié)項和殘差項。import pandas as pd import statsmodels.api as sm df pd.read_csv(pm25_hourly.csv, parse_dates[time], index_coltime) decomp sm.tsa.seasonal_decompose(df[pm25], modeladditive, period24) decomp.plot()這里要特別注意period參數(shù)。如果不指定seasonal_decompose默認(rèn)認(rèn)為沒有季節(jié)周期很多新手會漏掉這一步??諝赓|(zhì)量數(shù)據(jù)的日周期是24小時周周期是168小時如果做月級別的預(yù)測可能還需要考慮年周期8760小時。分解結(jié)果能直觀告訴你序列是否有明顯趨勢是否有周期性殘差是否平穩(wěn)這是后續(xù)選擇模型的基礎(chǔ)。2.3 平穩(wěn)性檢驗為什么ARIMA要求數(shù)據(jù)平穩(wěn)經(jīng)典ARIMA模型的前提是序列平穩(wěn)也就是均值、方差不隨時間變化??諝馕廴疚餄舛让黠@不滿足——冬季高、夏季低早晚高峰高、午后低。所以直接對原始數(shù)據(jù)跑ARIMA結(jié)果肯定一塌糊涂。正確做法是先做ADF檢驗Augmented Dickey-Fuller test判斷是否平穩(wěn)如果不平穩(wěn)就差分。我常用的代碼from statsmodels.tsa.stattools import adfuller result adfuller(df[pm25].dropna()) print(fADF統(tǒng)計量: {result[0]:.4f}) print(fp值: {result[1]:.4f}) # p值小于0.05通常認(rèn)為平穩(wěn)但這里有個陷阱空氣質(zhì)量數(shù)據(jù)單純差分一次往往還不夠因為還有季節(jié)性。如果只做一階差分季節(jié)性依舊存在ADF檢驗可能仍然不平穩(wěn)。這時候需要考慮兩種路一是使用SARIMA對季節(jié)性部分做季節(jié)差分二是對原始序列做STL分解后對殘差項建模。我在項目里通常先做STL分解再對殘差做ARIMA效果比直接差分好很多。3. 數(shù)據(jù)準(zhǔn)備從爬取到清洗這一步?jīng)Q定了預(yù)測上限3.1 數(shù)據(jù)來源選擇與接口對接大氣污染數(shù)據(jù)來源一般是兩類一類是環(huán)境監(jiān)測站提供的CSV或Excel導(dǎo)出另一類是通過API實時抓取。常見的API比如和風(fēng)天氣、AirVisual以及國內(nèi)的青悅開放數(shù)據(jù)平臺。當(dāng)時我做的軟件需要支持兩種方式讀本地文件以及定時從API拉取。以AirVisual API為例請求很簡單import requests api_key 你的key url fhttps://api.airvisual.com/v2/city?cityBeijingstateBeijingcountryChinakey{api_key} resp requests.get(url).json()注意不同API返回字段差異很大。有的返回的是“當(dāng)前實時濃度”有的返回的是“過去24小時歷史濃度”。做時間序列預(yù)測必須要有足夠長的歷史數(shù)據(jù)至少需要過去一個月以上的小時級數(shù)據(jù)否則模型根本學(xué)不到周期性。3.2 缺失值處理不能隨便刪也不能只填均值污染物監(jiān)測設(shè)備經(jīng)常斷線凌晨數(shù)據(jù)也容易異常。缺失值處理是數(shù)據(jù)處理環(huán)節(jié)最耗時的部分。簡單粗暴地刪除缺失行會打斷時間的連續(xù)性后續(xù)做滯后特征、傅里葉變換時都會出問題。簡單填充均值會抹掉日周期特征。我實際使用的策略分三層場景處理方式理由單點(diǎn)缺失1小時線性插值相鄰時刻相關(guān)性最接近線性插值足夠連續(xù)缺失3~6小時時間加權(quán)插值或前后同周期均值考慮日周期用前后兩天的同一時刻插值連續(xù)缺失超過24小時刪除該段或分段訓(xùn)練長缺失會引入大量估計誤差不如放棄具體代碼df[pm25] df[pm25].interpolate(methodlinear)后來我改進(jìn)了一下用scipy.interpolate的PchipInterpolator做保形狀插值避免線性插值導(dǎo)致的“尖角”突變。插值之后還要對所有填充點(diǎn)做標(biāo)記方便后面評估模型時區(qū)分真實值和填充值否則驗證集的誤差會被虛假值拉低。3.3 異常值識別用滾動標(biāo)準(zhǔn)差比閾值更靠譜空氣監(jiān)測數(shù)據(jù)經(jīng)常出現(xiàn)瞬時高值比如0點(diǎn)出現(xiàn)一個10000的值這明顯是設(shè)備故障。如果不去除模型會被這個點(diǎn)帶跑偏。我之前試過固定閾值法比如500就算異常但這個在污染嚴(yán)重的城市冬季根本不適用——正常濃度就能到400。后來改用滾動窗口的中位數(shù)和MADMedian Absolute Deviation來檢測異常。MAD法對離群值更穩(wěn)健適合非正態(tài)分布的污染物數(shù)據(jù)。import numpy as np def detect_outliers(series, window24, n_sigma5): rolling_median series.rolling(windowwindow, centerTrue).median() mad (series - rolling_median).abs().rolling(windowwindow, centerTrue).median() z_score 0.6745 * (series - rolling_median) / mad return z_score.abs() n_sigma這個方法的物理意義是如果一個點(diǎn)的濃度水平顯著偏離周圍24小時的“正常波動程度”就判定為設(shè)備異常用插值替換。注意n_sigma別設(shè)太小空氣質(zhì)量波動本身就大設(shè)成3會誤殺很多真實的高濃度過程。3.4 特征工程讓模型看到時間節(jié)律雖然時間序列模型本身能捕捉時間依賴但適當(dāng)構(gòu)造外生特征能顯著提升預(yù)測精度。我加了幾組特征時間sin/cos編碼用正弦余弦編碼小時、星期、月份避免模型誤以為“23”和“0”兩個小時內(nèi)差別非常大。滯后值過去1、3、6、12、24小時的濃度。氣象因子溫度、濕度、風(fēng)速、氣壓如果API能取到。周邊站點(diǎn)數(shù)據(jù)相鄰站點(diǎn)的濃度對流場有指示作用。氣象因子的重要性經(jīng)常被忽視。有一次模型預(yù)測霧霾消散時間總是滯后2小時后來發(fā)現(xiàn)是沒加入風(fēng)速變化特征。風(fēng)速突然增大后污染物濃度會在下一小時迅速下降這個信號純靠歷史濃度序列反映不出來。4. 模型實現(xiàn)從ARIMA到LSTM怎么選怎么調(diào)4.1 基準(zhǔn)模型SARIMA是效率首選一開始我直接上ARIMA結(jié)果被數(shù)據(jù)的光照季節(jié)性和周期性教做人。后來改用SARIMA即季節(jié)性ARIMA才算是真正入了門。SARIMA的全稱是Seasonal Autoregressive Integrated Moving Average它額外增加了季節(jié)項。模型參數(shù)寫成SARIMA(p,d,q)(P,D,Q,S)其中S是季節(jié)周期PM2.5小時數(shù)據(jù)的S24。確定p、d、q最常用的方法是我用過的pmdarima庫的auto_arima它會自動搜索最佳參數(shù)組合。直接用示例from pmdarima import auto_arima model auto_arima( df[pm25].dropna(), seasonalTrue, m24, start_p0, max_p5, start_q0, max_q5, d1, D1, traceTrue, stepwiseTrue )這里要說明兩點(diǎn)。第一d1, D1是我先做ADF檢驗、再對季節(jié)差分后的序列做ADF檢驗得到的結(jié)果不是隨便設(shè)的。第二m24意味著模型會把“24小時前”的誤差和滯后項納入計算訓(xùn)練時間會成倍增加。數(shù)據(jù)量超過1萬條時auto_arima可能要跑十幾分鐘正常現(xiàn)象。4.2 升級方案Prophet處理多季節(jié)周期SARIMA最多處理一個季節(jié)周期。但空氣質(zhì)量同時有日、周、年度周期。Facebook開源的Prophet可以同時擬合多個周期而且對缺失值、異常值相當(dāng)魯棒。我第二版軟件把Prophet用作主力模型之一。Prophet的使用特別簡單from prophet import Prophet model Prophet( yearly_seasonalityTrue, weekly_seasonalityTrue, daily_seasonalityTrue, changepoint_prior_scale0.05 ) model.add_regressor(wind_speed) model.fit(train) future model.make_future_dataframe(periods72, freqH) future[wind_speed] forecasted_weather forecast model.predict(future)雖然Prophet不算嚴(yán)格的“時間序列分析”工具它本質(zhì)上是可加回歸模型但拆分趨勢、周期、節(jié)假日的能力非常適合空氣質(zhì)量這種強(qiáng)季節(jié)性數(shù)據(jù)。唯一的問題是它對突變點(diǎn)比如沙塵暴事件的擬合能力偏弱因為變點(diǎn)默認(rèn)是稀疏先驗。我調(diào)高了changepoint_prior_scale到0.1之后能捕捉到一些突發(fā)性污染過程但代價是過擬合風(fēng)險也增加。4.3 進(jìn)階方向LSTM和它們的現(xiàn)實局限網(wǎng)上很多教程把LSTM吹得神乎其神實際用下來并沒有想象中那么美。LSTM的優(yōu)勢是能自動學(xué)習(xí)非線性關(guān)系和長時間依賴?yán)碚撋虾苓m合空氣質(zhì)量預(yù)測但需要大量數(shù)據(jù)。我實測發(fā)現(xiàn)當(dāng)訓(xùn)練數(shù)據(jù)少于3萬小時記錄時LSTM的效果經(jīng)常不如調(diào)好參的Prophet而且訓(xùn)練時間長了兩個數(shù)量級。如果一定要用LSTM我的建議是控制輸入窗口長度并加上注意力機(jī)制或者做多步滾動預(yù)測。下面是項目里用TensorFlow/Keras實現(xiàn)的簡單LSTM結(jié)構(gòu)from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense model Sequential() model.add(LSTM(64, return_sequencesTrue, input_shape(24, n_features))) model.add(LSTM(32)) model.add(Dense(1)) model.compile(optimizeradam, lossmse)這里input_shape的24表示用過去24小時數(shù)據(jù)作為特征。最開始我窗口設(shè)為168一周結(jié)果模型參數(shù)量暴增訓(xùn)練很慢精度也沒提升。后來用特征重要性分析發(fā)現(xiàn)過去24小時已經(jīng)包含了大部分有效信息。LSTM還有一個坑尺度敏感。污染物濃度分布右偏直接用原始值訓(xùn)練模型會對高濃度區(qū)間擬合不足。我做了Box-Cox變換后再訓(xùn)練預(yù)測值再逆變換回來RMSE降低了大約15%。4.4 多模型加權(quán)集成穩(wěn)健性的秘密單一模型總有各自的盲區(qū)。SARIMA擅長捕捉線性趨勢和周期Prophet擅長多季節(jié)分解LSTM擅長非線性模式。最終軟件里我做了個簡單的加權(quán)集成器根據(jù)驗證集誤差動態(tài)分配權(quán)重。import numpy as np from sklearn.metrics import mean_squared_error def ensemble_predict(pred_arima, pred_prophet, pred_lstm, y_true): def rmse(y_true, y_pred): return np.sqrt(mean_squared_error(y_true, y_pred)) e1 rmse(y_true, pred_arima) e2 rmse(y_true, pred_prophet) e3 rmse(y_true, pred_lstm) total 1/e1 1/e2 1/e3 w1, w2, w3 (1/e1)/total, (1/e2)/total, (1/e3)/total return w1 * pred_arima w2 * pred_prophet w3 * pred_lstm權(quán)重是根據(jù)RMSE的倒數(shù)算的誤差越小的模型權(quán)重越大。這個集成方法簡單有效而且每個月滾動重新計算一次權(quán)重模型自己會適應(yīng)季節(jié)變化。實測集成的RMSE比最好的單一模型下降約8%~12%對于空氣污染預(yù)測這種高波動場景已經(jīng)很可觀的提升了。5. 源碼工程怎么組織模塊劃分、接口設(shè)計和文檔配套5.1 工程目錄結(jié)構(gòu)說明拿到源碼后第一反應(yīng)就是看目錄結(jié)構(gòu)。好的工程結(jié)構(gòu)應(yīng)該讓人一眼就知道哪里改配置、哪里加模型、哪里看結(jié)果。我最終的項目文件組織結(jié)構(gòu)如下air_pollution_forecast/ # 本博客元信息用注釋括起來實際不用 ├── data/ # 原始數(shù)據(jù)和清洗后的數(shù)據(jù) │ ├── raw/ │ └── processed/ ├── src/ # 核心源碼 │ ├── data_fetch.py # 數(shù)據(jù)抓取 │ ├── preprocessing.py # 清洗、插值、異常值處理 │ ├── features.py # 特征工程 │ ├── models/ │ │ ├── sarima_model.py │ │ ├── prophet_model.py │ │ └── lstm_model.py │ ├── ensemble.py # 集成預(yù)測 │ ├── evaluation.py # 評估指標(biāo) │ └── forecast.py # 預(yù)測主流程 ├── docs/ # 配套文檔 │ ├── 使用說明.md │ ├── 開發(fā)文檔.md │ └── API接口文檔.md ├── config.yaml # 配置文件 ├── main.py # 程序入口 └── requirements.txt這里特別強(qiáng)調(diào)config.yaml的作用。剛開始我圖省事把API key、數(shù)據(jù)路徑、模型參數(shù)全寫在代碼里后來換數(shù)據(jù)集或者換機(jī)器改代碼改到懷疑人生。配置文件把所有可變參數(shù)提取出來要改時只動yaml文件代碼零改動。5.2 核心模塊的關(guān)鍵接口設(shè)計我設(shè)計接口的時候遵循一個原則每個模塊只做一件事模塊之間通過簡單的數(shù)據(jù)對象DataFrame或numpy數(shù)組通信。數(shù)據(jù)獲取模塊對外只暴露一個函數(shù)def fetch_hourly_data(city: str, start_date: str, end_date: str) - pd.DataFrame: Returns: DataFrame with columns: [time, pm25, pm10, no2, o3, ...] 預(yù)處理模塊def preprocess(raw_df: pd.DataFrame, config: dict) - pd.DataFrame: 完成缺失值插值、異常值替換、時間索引對齊。 Returns: 清洗后的DataFrameindex為DatetimeIndex 模型模塊統(tǒng)一繼承一個預(yù)測基類class BaseModel: def fit(self, train_df: pd.DataFrame) - None: ... def predict(self, steps: int) - np.ndarray: ...這樣做的好處是未來加新模型比如Informer、N-BEATS時不需要改動主流程只要新模型繼承BaseModel并實現(xiàn)fit和predict就行。5.3 文檔配套不只是給用戶看更是給未來的自己源碼工程里的文檔質(zhì)量往往被忽視。好的項目文檔至少要有三種使用說明、開發(fā)文檔、接口文檔。使用說明面向“不會讀代碼的人”重點(diǎn)寫怎么安裝依賴、修改配置、運(yùn)行、看結(jié)果。開發(fā)文檔面向“要擴(kuò)展的人”講清楚模塊之間的關(guān)系、數(shù)據(jù)流的方向以及每個模塊內(nèi)取舍的原因。接口文檔用表格列出每個函數(shù)的輸入輸出方便調(diào)用時快速查。我寫文檔時給自己立了個規(guī)矩如果我在代碼里寫了“# TODO”或者踩了一些坑一定要在對應(yīng)的文檔里寫清楚原因。比如LSTM輸入數(shù)據(jù)需要做Box-Cox變換這件事如果不寫進(jìn)文檔三個月后任何人接手都只會一頭霧水。5.4 運(yùn)行入口與配置示例軟件主入口main.py的邏輯非常簡單一共就五步讀取配置、加載數(shù)據(jù)、訓(xùn)練模型、預(yù)測、輸出結(jié)果和圖表。import yaml from src.data_fetch import fetch_hourly_data from src.preprocessing import preprocess from src.models import sarima_model, prophet_model, lstm_model from src.ensemble import ensemble_predict from src.evaluation import evaluate from src.forecast import plot_forecast if __name__ __main__: with open(config.yaml, r, encodingutf-8) as f: config yaml.safe_load(f) raw fetch_hourly_data( cityconfig[city], start_dateconfig[start_date], end_dateconfig[end_date] ) data preprocess(raw, config) train data.loc[:config[split_date]] test data.loc[config[split_date]:] sarima sarima_model.SARIMAPredictor(config) prophet prophet_model.ProphetPredictor(config) lstm lstm_model.LSTMPredictor(config) for model in [sarima, prophet, lstm]: model.fit(train) preds { sarima: sarima.predict(len(test)), prophet: prophet.predict(len(test)), lstm: lstm.predict(len(test)) } final ensemble_predict(preds[sarima], preds[prophet], preds[lstm], test[pm25]) metrics evaluate(test[pm25], final) print(metrics) plot_forecast(test[pm25], final, save_pathoutput/forecast.png)配置文件示例city: Beijing start_date: 2023-01-01 end_date: 2024-01-01 split_date: 2023-10-01 pollutants: - pm25 - pm10 - no2 model_parameters: sarima: seasonal_period: 24 p_max: 5 q_max: 5 prophet: changepoint_prior_scale: 0.05 lstm: window_size: 24 n_epochs: 50 batch_size: 64配置文件的好處是不同城市、不同污染物只需修改參數(shù)不必動代碼。6. 實測效果與踩坑記錄那些文檔里不會寫的事6.1 典型預(yù)測效果對比以北京某站點(diǎn)PM2.5小時濃度為例使用2023年1月到10月訓(xùn)練11月作為測試集。三種模型的RMSE對比模型RMSEMAE訓(xùn)練耗時SARIMA26.818.212分鐘Prophet23.516.46分鐘LSTM21.915.735分鐘集成19.713.9約50分鐘集成模型的RMSE比最好的單一模型降低了10%但訓(xùn)練時間也最長。如果你追求快速驗證建議先用Prophet如果要上線集成是更穩(wěn)妥的選擇。上面數(shù)據(jù)僅供參考不同城市差別很大污染源復(fù)雜的地方LSTM優(yōu)勢更明顯。6.2 坑一跨天預(yù)測時Prophet的節(jié)假日效應(yīng)Prophet默認(rèn)會在節(jié)假日改變預(yù)測但空氣污染不存在“節(jié)假日濃度一定會降”這種規(guī)律。有一次國慶節(jié)期間模型預(yù)測的PM2.5明顯偏低因為Prophet把節(jié)假日當(dāng)作特殊日期處理。解決辦法是在訓(xùn)練時把目標(biāo)污染物換成氣象條件或者干脆關(guān)閉節(jié)假日效應(yīng)只保留日期周期。model Prophet( yearly_seasonalityTrue, weekly_seasonalityTrue, daily_seasonalityTrue, holidaysNone # 關(guān)鍵關(guān)掉節(jié)假日 )6.3 坑二LSTM滾動預(yù)測的誤差累積LSTM多步預(yù)測時有一種常見做法把預(yù)測值當(dāng)作輸入繼續(xù)預(yù)測下一個點(diǎn)。這個做法在空氣質(zhì)量上非常不靠譜。因為預(yù)測本身有誤差誤差作為輸入回傳給模型會越滾越大往往到了第12小時預(yù)測值就趨向于一條直線。后來我改成“滾動窗口重填歷史值”的方式每預(yù)測一步就把真實值或者實測數(shù)據(jù)滑入窗口誤差累積一下小了非常多。如果你必須做純滾動預(yù)測沒有實時數(shù)據(jù)回傳最好限制預(yù)測長度超過24小時一定要給出error bar不能只給一條均值預(yù)測線。6.4 坑三模型評估指標(biāo)不能只看RMSERMSE對高濃度點(diǎn)特別敏感。秋冬季一次嚴(yán)重的霧霾事件可能把RMSE拉高40%但模型對普通天的預(yù)測其實很準(zhǔn)。我建議同時報告RMSE、MAE和R^2再分組看不同濃度區(qū)間的誤差比如“0-100”、“100-200”、“200”三個區(qū)間分別算指標(biāo)。如果高濃度區(qū)間誤差大說明模型對污染過程的峰值預(yù)測能力弱這時需要加強(qiáng)特征或者換非線性模型。還可以補(bǔ)充一個面向預(yù)警的指標(biāo)在PM2.5超過150這個閾值時模型預(yù)測的命中率hit rate和漏報率miss rate。因為環(huán)境監(jiān)測任務(wù)真正關(guān)心的是“重度污染是否會被預(yù)警”而不是均方誤差好不好看。6.5 坑四時間索引的時區(qū)問題做項目時還遇到過時區(qū)坑。數(shù)據(jù)源返回的時間是UTC本地分析要用北京時間UTC8。如果直接用原始時間戳建索引所有字段都會偏移8小時日周期建模就會錯位晚上8點(diǎn)的濃度峰值被當(dāng)成中午12點(diǎn)。處理方式是在數(shù)據(jù)抓取階段統(tǒng)一轉(zhuǎn)成目標(biāo)時區(qū)df[time] pd.to_datetime(df[time], utcTrue) df[time] df[time].dt.tz_convert(Asia/Shanghai)后續(xù)所有數(shù)據(jù)都基于本地時間避免后期反復(fù)切換。這個坑新手特別容易踩因為看起來數(shù)據(jù)數(shù)量都一樣畫圖也沒問題但模型效果就是差本質(zhì)是時序錯位。7. 從軟件到可交付項目打包與使用體驗優(yōu)化7.1 requirements.txt與Python環(huán)境項目要交到別人手里最尷尬的是對方裝不了依賴。我強(qiáng)烈建議你固定Python版本3.9以上3.11以下并且在requirements.txt里寫清楚具體版本不要只寫包名。當(dāng)時我吃過虧直接依賴最新版Prophet對方舊服務(wù)器上裝不上折騰了三天。推薦的最小依賴清單pandas2.0.3 numpy1.24.3 statsmodels0.14.0 pmdarima2.0.4 prophet1.1.4 scikit-learn1.3.0 tensorflow2.13.0 PyYAML6.0 matplotlib3.7.2 requests2.31.0建議再寫一個setup.md里面記錄你在什么系統(tǒng)上測試通過、每一步的安裝命令?,F(xiàn)在很多人已經(jīng)用uv或者poetry但無論用什么核心依賴鎖文件一定要有否則交付就是災(zāi)難。7.2 可視化輸出讓預(yù)測結(jié)果一目了然預(yù)測軟件除了報數(shù)字一定要出圖。我實現(xiàn)的圖表包含三部分歷史濃度曲線、預(yù)測均值曲線、90%置信區(qū)間帶。代碼不多但效果很好。import matplotlib.pyplot as plt fig, ax plt.subplots(figsize(12, 5)) ax.plot(train[pm25], colorgray, labeltrain) ax.plot(test[pm25], colorblue, labelactual) ax.plot(pred_index, pred_mean, colorred, labelforecast) ax.fill_between( pred_index, pred_lower, pred_upper, colorred, alpha0.2, label90% interval ) ax.legend() ax.set_ylabel(PM2.5 (μg/m3)) fig.savefig(output/forecast.png, dpi150, bbox_inchestight)置信區(qū)間帶非常重要。沒有區(qū)間帶決策者很容易把均值預(yù)測當(dāng)成確定值。環(huán)境污染預(yù)警需要風(fēng)險意識區(qū)間寬度就是風(fēng)險提示。SARIMA和Prophet都自帶預(yù)測區(qū)間LSTM需要自己從多個隨機(jī)初始化模型的輸出中估算。7.3 與監(jiān)測平臺對接的增量式預(yù)測跨過一個里程碑后我把軟件改成了增量式預(yù)測每天凌晨2點(diǎn)重新拉取過去24小時真實數(shù)據(jù)重新訓(xùn)練或者部分?jǐn)M合模型然后生成未來3天的預(yù)測。增量式的好處是模型能及時響應(yīng)最近幾天排放源的突然變化比如工廠臨時檢修導(dǎo)致的濃度異常。增量式要注意窗口尺寸。如果每次訓(xùn)練只用了最近一個月的數(shù)據(jù)模型會忘記冬季和夏季差異進(jìn)入2月之后之前學(xué)到的1月規(guī)律完全沒用。我的做法是“長期數(shù)據(jù)全量訓(xùn)練近期數(shù)據(jù)加權(quán)微調(diào)”比如每年年初做一次全量重訓(xùn)平時每日更新時用最近30天數(shù)據(jù)微調(diào)。這個策略聽起來復(fù)雜但代碼實現(xiàn)并不難核心就是在原有模型實例上調(diào)用fit傳入增量數(shù)據(jù)即可Prophet和SARIMA都支持繼續(xù)訓(xùn)練。只有LSTM需要全量重訓(xùn)所以實際生產(chǎn)中LSTM通常作為離線備選模型線上主力還是ProphetSARIMA。8. 再聊兩句這套軟件還能怎么擴(kuò)展最后基于我的實際經(jīng)驗給拿到源碼準(zhǔn)備二次開發(fā)的人幾個方向參考。第一把單站點(diǎn)預(yù)測擴(kuò)展成區(qū)域預(yù)測。空氣污染不是單點(diǎn)問題把周邊多個站點(diǎn)的數(shù)據(jù)和氣象場作為共同輸入可以顯著提升預(yù)測精度尤其是靜穩(wěn)天氣下污染傳輸過程。第二接入實時監(jiān)測設(shè)備的自動校準(zhǔn)。設(shè)備漂移會導(dǎo)致數(shù)據(jù)出現(xiàn)系統(tǒng)性偏差時間序列模型會被帶偏如果能在預(yù)處理階段加入卡爾曼濾波或者設(shè)備偏差校正模型效果會更穩(wěn)。第三把預(yù)測結(jié)果通過Web服務(wù)暴露出來。我后期用FastAPI封裝了預(yù)測接口讓監(jiān)測站同事可以通過網(wǎng)頁輸入城市和時間范圍后臺自動跑模型返回JSON格式的預(yù)測值和區(qū)間。這個不難源碼的forecast.py已經(jīng)提供了核心函數(shù)包一層HTTP即可。這套“基于Python的時間序列分析的大氣污染預(yù)測軟件”的源碼和文檔目前已經(jīng)整理成完整工程。讀完全文你會發(fā)現(xiàn)真正困難的部分從來不是跑通一個模型而是把數(shù)據(jù)、模型、工程、文檔全部串成一個可持續(xù)使用的東西。希望這篇分享能幫你少走一些彎路在做自己的空氣污染預(yù)測項目時把精力花在模型調(diào)優(yōu)和業(yè)務(wù)落地這些真正有價值的事情上。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色狠狠色噜噜AV天堂五区| 久久久精品人妻| 中文字幕日产A片在线看| 天天日日天天| 九九精品在线视频观看| 久久视频婷婷| 99热这里| 97亚洲视频在线| 天天色一道本综合婷婷| 97色五月婷婷在线| 99爱在线视频观看| 五月丁香色婷基地综合久久| 色婷视频| 99色在线观看视频| 可以直接看的av| cao视频,现在观看| 九九热黄色| 色色色视频免费无码 | 欧美激情伊人| 色99最新网址| 亚洲无AV在线中文字幕| 久久激情视频| 欧洲亚洲免费视频9| 操碰99| 狠狠干,狠狠操| 狠狠干综合| 亚洲无码播放| 色综合77777| 五月丁香啪啪综合| 97亚洲色 torrent magnet| 加勒比久热| 久热免费| 色综合网上班开心婷婷久久| 婷色影院| 激情综合色| 婷婷五月天深爱| 色九九九综合| 九九亚洲| 中文字幕九九九九| 97色天堂| 天天摸天天舔天天天天爽| 深爱五月婷婷开心中文字幕| 色五月aV| 中文字幕乱码亚洲精品一区| 五月婷丁香| 久久99精品视频| 六月丁香久久| 婷婷六月天精品| 成人网站免费在线播放| 超碰91在线| 色婷婷AⅤ| 丁香五月 综合| 五月色综合| 九月婷婷久久久| 神马欧美精| 99热在线这里| 综合狠狠干| www.henhengan| 五月丁香亚洲婷婷| www,超碰| 激情五月婷婷综合| 日本97在线观看| 97人人超| 99热偷拍| 殴美激情综合网| 婷婷 色 丁香 夜| 青草激情在线| 五月综合六月婷婷| 亚洲婷婷五月天激情| 婷婷五月天激情在线观看| 国产成人VA| 乱精品一区字幕二区| 99热国产这里只有精品| av大片在线| 日韩婷久| 六月婷婷av| 久草大| 激情五月色综合网| 婷婷五月激情丁香激情| 婷婷五月丁香五月丁香| 婷婷五月天无码| 欧美婷婷六月丁香综合色| 超碰人人色| 国产肥白大熟妇BBBB视频| 丁香五月婷婷亚洲另类| 常久最新免费的色吊丝| 最新高清无码专区| 日本色婷婷综合| 久久92| 丁香五月激情啪| 婷婷色五月激情| 91聚色综合网| 天天操电影院色狼性av| 99热主页日本| 国产成人精品一区二三区熟女在线 | 婷婷五月欧美综合| 99在线观看免费精品视频| 久久婷婷亚洲| 欧美性猛交99久久久久99按摩| 久久99精品久| 五月婷婷导航| 色五月婷婷激情综合网| 综合色播| 久久性爱网| 婷婷五月天激情免费在线观看| 色五月色图| 五月丁香久久久日婷婷久久婷婷日 | 久99久热| 五月婷婷五月天| 久久99久久99精品免观看粉嫩| 操笔无码| www.91在线看| 五月激情综合深爱| www.久久久久| 丁香九月激情| 偷拍91九色| 五月天婷婷基地| 第九色区av天堂| 色婷婷五月天激情久久| 亚洲超碰在线| 超碰久热| 精品无码久久久久久久久| www.久久久久| 五月开心激情网| 久久99久久99精品免视看婷婷| 色久丁香五| 婷婷伊人综合中文字幕| 色色色色色色网| 激情婷婷啪啪| 色婷婷aV四虎| 国产成人av在线| 婷婷久久五月| 色呦呦美女| 久久色五月| WWW,五月| 超碰人人操在线| 激情综合激情综合| 亚洲日比视频| 五月激情婷婷开心| AV在线中文| 噼里啪啦在线观看免费完整版视频| www.99热国产| www.日本91| 天堂无码人妻精品AV一区| 狠狠丁香| 久久天堂网| 色婷婷综合网| 超碰99热| 国产成人AV在线播放| 日日夜夜天天爽| 色天使色综合| 亚洲色色精品| 国产精品色一哟哟| 婷婷色情五月| 丁香婷婷六月激情文学 | www.夜夜操.com| 内射综合网| 秋霞成人毛片一级A片| 婷婷影院欧美| 91无码色色| www.henhenl| 久久久大香蕉| 五月激情站| 国产在线网址1| 小视频一区 | 久9视频| 综合网啪啪| 狠狠狠狠狠狠色| 激情五月婷婷免费视频| 国产亚洲成AV人片在线观黄桃| 亚洲欧美999| 中文久久婷婷| 九九色黄色| 99re8这里只有精品99re8热视频| 九九综合久久| 精品无码久久久久久久久| 天天玩夜夜操| 色欲婷婷五月天| 99热这里只有精品9| 一本到不卡高清DVD| 六月色播| 色五月偷偷| 九九性视频| 美妞av| 在线综合亚洲欧美65| 热久久91| 97操碰视频| 六月婷婷无码观看| WWW.五月天9999| 久久婷婷五月综合成人d啪| 婷婷丁香18| 色区久久| 超碰在线9| 久色大| 综合色五月天| 激情丁香网| WWW.夜夜操.com| 99这里只有精品视频| 99爱在线精品视频免费观看| 九九综合久久丁香婷婷,开心激情综合网| 免费观看全黄做爰的视频| 99这里都是精品| 丁香五月骚喷水视频| 五月丁香亚洲校园欧美| 97色色-99久久| 永久思思热在线| 成人va在线| 97色综合视频| 夜夜嗨一区二区三区直播内容| 色五月五月天色婷婷色五月| 97干欧美| 天天肏天天肏天天肏| 无码橾| 久久激情五月婷婷| 色色色色色色色色五月先| 激情五月婷婷视频一区二区三区| 99热黄| 久久婷婷五月综合色丁香| 激情涩涩网| 久热视频这里只有精品| 色婷精品91| 久久一热| 五月五婷婷网| 91超级碰在线视频| 丁香婷婷激情综合五月激情| 色一情一乱一乱一区9| 91九色国产熟女| 色色五月天婷婷| 五月丁香婷婷激情久久| 五月婷婷色男女| SS丁香五月婷婷| 久久久久婷| 久九色| 国产亚洲精品久久久久久豆腐| 丁香婷婷射| 丁香五月 综合| 婷婷激情中文综合| 婷婷五月天激情AV影院| 丁香啪啪| 精品操逼一区二区| 婷婷玖玖丁香| 激情小说五月天中文字幕| 中文在线视频久1| www.色婷婷.com| 成人AV在线电影| 中文字幕丰满乱孑伦无码专区| 婷婷五月天 丁香五月天 裸体| 中文字幕视频色婷婷| 色婷婷玖玖影院| 在线成人网站| 婷婷爱五月天| 丁香激情综合| site:picc-up.com| 色欲久久综合| 丁香五月婷婷激情小说| 亚洲 日韩色色| 97色啪| 九热视频| 99热久| 久久奄也去色色网站| 91丨九色丨熟女| www.com久久久久久久久久久久久久久久久| 国产又色又爽又黄又免费| 在线中文字幕免费视频| 99热在线中文字幕| 色玖玖综合| 操大屄五月天视频| 97欧美在线| 99久久免费精品| 人妻久久久| w婷婷五月婷婷w| 婷婷五月天激情电影小说| 国产精品久久久久9999小说| 99视频色在线观看| 色色操| 亚洲超碰在线| 五月丁香久久| 国产精自产拍久久久久久蜜| 五月婷婷丁香网| 激情五月无码| 99操免费视频| 激情内射人妻1区2区3区| 婷婷5月色| 深爱五月激情| 熟女激情网| 国产亚洲色婷婷久久99精品91| 在线视频你懂得| 另类A片| 狠狠爱综合| 久热天堂| 99热日韩| 五月丁香婷婷无码A∨| 97人人操人人干| 色爱综合视频| 欧美久久九九| 亚洲第一色色色色| 99这里有精品| jiujiu热在线视频| 亚洲综合九九| 久久九九热re6这里有精品| 99爱在线| 九九综合色| 伊人久久五月天| 香蕉综合在线| 激情五月婷婷丁香六月| 99久久久国产大片| 五月丁综合在线观看| 五月天开心激情综合网| 91热爆在线| 夜夜嗨一区二区三区直播内容 | 五月天婷爱综合| 99精品久久久久久久婷婷久久| SS丁香五月婷婷| 婷婷情色五月天| 最近免费中文字幕大全高清大全1| 九九爱精品网站| 五月婷婷丁香啪啪| A片一曲| 97爱综合| 伊人久久五月天| 97精品自拍视频| 欧美搡BBBBB摔BBBBB| 日韩操女| 九九色热视频| 欧美成人猛片AAAAAAA| 97极品在线| 欧美成人网99网| 亚洲精品无码99热| 天天色天天噜| 亚洲精品久久久无码| 亚洲无码成人| 丁香成人色情五月天| 九九这里只有精品| 久久久日韩特色特黄AAAA| 欧美成人无码高清一区二区三区| www久| 亚洲乱码w在线观看| 99久久免费精品| 日韩三级高清无码| 五月天婷网| 亚洲在线操| 9一精品视频观看| www.狠狠干com| 久久久97| 屁股翘好撅高迎合跪趴| ay2区| 色色国产| 婷婷五月天.com| 伊人婷婷激情| 26uuu国产| 五月伊人综合| 色五月婷婷久久| 六月丁香婷婷大香蕉| 九月丁香五月婷婷| 免费成人中文字幕| 亚洲天堂啪啪| 97丁香五月天| 免费日本aⅴ中文字幕 | 97丁香视频| 久久大香蕉同僚| AV伊人青草丁香六月| 五月丁香五月综合欧美| 丁香五月天欧美在线| 色爱五月天| 激情五月六月婷婷综合啪啪| 大香网伊人久久综合| 激情五月天啪啪| 99热思思| 涩五月婷婷| 五月天婷亚洲综合在线嫩草网| 91九色最新视频| 激情五月天伊人影院| 91日韩美女被插视频| 97色97干| 五月色亭丁香| 99精品女人天堂| 久久98热re| 亚洲五月天天| 久久停停超碰| 99精彩视频在线观看| 国产视频婷婷| 久久午夜理论| 久久久99日本大片| 免费视频WWW在线观看网站| 色欲天天综合| 色婷婷五月天激情在线播放| 婷婷五月天亚洲综合| 五月天激情色色| 激情综合网五月天| 九九热99re8热免费观看| 久草婷婷网 | 六月综合婷婷开心伊人| 99操| 99九九热在线观看| 国产VA亚洲VA96| 色五月激情问网站| 成人精品在线观看| 丁香社92视频| 九九AV| 亚洲天天| 人人综合五月人人婷婷| 婷婷99狠狠躁天天| 色播婷婷五月天| 五月丁香六月激情啪| 五月天婷婷激情网| 婷婷五月天AV| 欧美综合五月丁香六月婷| 日本欧美成人片AAAA| 五月丁香六月婷婷国产视频| WWW五月天| 亚洲AV永久无码影院黑人| 久热超碰| 婷婷五月激情综合| 五月天婷婷操逼视频| 五月婷婷丁香五月 | 免费视频WWW在线观看网站| 99热网址| 丁香六月情| 26uuu国产精品| 91九色在线视频| 五月天色色色色色| 影音先锋91视频| 激情都市另类| 大香蕉伊人丁香五月| 最新无码专区| 香蕉婷婷五月| 激情五月丁香六月综合AVXXXX| 亚洲六月婷婷| 五月丁香网站| 久久久婷| 抽插特写| 色香久久| 五月天五月色婷婷综合| 六月婷五月丁香| 91婷婷五月天综合视频| 成人婷婷五月天| 亚洲无码成人网| 久久永久网址| 天天日天天狠狠操| 五月丁香六月色婷婷| 99热这里只有精品 搜| 国产密乳av一区二区三区四区| 亚洲狠狠干| 天天做天天爽| www.yw尤物| 色综合天天| 日99网站| 亚洲AVDVD| 538在线精品| 99热久| 99燥99日| 色色五月天网站| 久热精品视频在线观| 色色成人網| 天天操天天操天天操| 色五月天本日| 91爱操| 艳妇野外情欲放荡HD| 好大好粗嗯啊-一级黄色大片免费观看-成人AV| 五月丁香花激情综合网| 天天色综合色色色色色。| 99re26视频| 亚洲色另类| www.夜夜操.com| 免费无码毛片一区二区A片| 五月天久久激情| 欧美激情综合| 天天干狠狠| 超碰av在线| 五月天丁香婷婷视频网址| 婷丁香五月天| 五月丁香婷婷伊人| 开心激情网五月天| 六月丁香激情| 婷五月丁香| 色五月大| 丁香五月之久操视频| 色五月天丁香婷婷| 韩国天天婷婷| 亚洲午夜国产成人电影VA国产欧…| 97干在线| 激情综合婷婷久久| 99日本精品视频热| 九九亚洲视频| 成人婷婷色综合| 丁香色成人| 在线成人视频免费| www.色情五月天.com| 五月丁香婷婷在线综合蜜桃| 天堂综合久久| 九九Y精品热播| www.激情五月天.com| AV在线观看网站| 六月婷婷香蕉| 激情丁香九九五月综合网| 婷婷六月丁香五月图区| 丁香五月天婷婷中文| 婷香五月激情视频| 婷婷五月天成人| 九九久久99| 九色视频91疯狂| 99热在线精品观看| 91久久九久久九久久九久久九久久| 操嫩逼电影| 热久久这里只有精品| 人人摸人人搞| 亚洲精品色色| 色狠狠色噜噜AV天堂五区| 天天摸天天舔天天爽| 色婷婷精品视频| 久99999热视频在线观看免费| xxxx五月| 国产精品第一国产精品| 婷婷五月综合激情免费视频| 狠狠爱丁香婷| 狼人婷婷久久| 天堂亚洲 在线| 天天五月情| 天天久久婷婷| 久久免费操| 婷婷色色五月| 激情五月婷婷综合秋霞| 亚洲热综合| 五月天丁香欧美激情| 99在线观看视频精品| 欧美久热| 五月天婷婷丁香蜜桃91| 停停综合色色| 这里只有精品视频看看| 色综合99无码| 婷婷丁香花五月天| 成人婷婷五月天| 大香蕉天堂色| 久热久| 婷婷五月天堂| 久久视频婷婷视频| 99综合| 五月丁香在线综合| 99久久精| 国产91在线视频| 色婷婷伊人| 天天色五月| 丁香花大香蕉婷婷综合| 久久久久人妻| 丁香五月23111| 激情久久五月天| 亚洲韩国日产综合AV| 国产精品成人AV在线| site:minyis.com| 91色五月在线观看| 国产这里只有精品| 国产成人高清| 99视频在线观看网址| 丁香五月婷婷五月天| 激情综合网络插| 一区操| 五月天激情影院| 五月天色不卡| 五月天婷亚洲天综合网综合| 欧美婷婷丁香五月| 99热久久这里只有精品| 99精彩视频| 色婷婷在线综合色播网| 五月丁香婷婷中文| 97欧美在线| 97人人操人| 国内外色色色色色成人视频| 开心五月网| 五月激情婷婷综合| 七七色综合| 五月天网址在线刘玥| www.99色| 五月天激情小说| 日亚二欧美| 激情综合激情五月一起草| 思思久久精品视频| 五月色视频| www.婷婷网| 婷婷色播婷婷| 天天摸天天肏| 99亚洲精品| 中文av网站| 亚洲色婷婷| 色五婷婷在线视频| 人人视频人人干人人做| 激情五月亚洲| 丁香五月五月婷婷五月天激情四射| 人人干天天操五月丁香| 欧美综合丁香网| 久久久区区一久久久久久| 激情五月综合色婷婷| 最新热中文字幕| 99资源在线视频| 亚洲综合另类| 六月婷婷激情| 五月综合在线婷婷图片| 天天成人综合| 婷婷美女精品视频| 26UUU在线观看| 五月丁香亚洲五月| 爽天天天天天天天| 久久9久| 九九热视频这里只有精品| 婷婷亚洲综合| 丁香五月色情| 欧美S码亚洲码精品M码| 婷婷五月成人社区| 五月丁香六月婷婷久久肏| 日韩有码一区| 丁香婷婷五月综合影院| 91精品久久久久久久| 天天日天天摸天天| 伊人深爱综合| 99在线免费视频| 日日夜夜天天| 爱iii做iiii日日| 99riAV国产精品视频| 电影蜘蛛女| 久久精品视频9| 人妻VideOssS人妻高清| 婷婷综合六月| 老司机伊人| 亚洲一二三网| 婷婷色女| 九九视频在线| 777精品久无码人妻蜜桃| 就爱日五月天| 色婷婷大香蕉| 五月天色社区| 综合色综合| 久久婷婷啪啪视频| 激情综合五| 久久区区一二三av| 五月色 亚洲| 啊V视频在线观看| 亚洲中文字幕网| 五月丁香色色色| 激情综合网五月在线播放| 大地资源色婷婷视频在线| 日韩啪啪网| av九九| 婷婷五月激情视频| 五月婷婷五月天| 九九99九九精品视频| 日本老女人黄页在线播放| 色色综合色| 69精品人人人人| 色噜噜狠狠色综合网| 99精色| 99婷婷精品推荐在线视频| 可以免费看av网站| 欧美视频五区| 日韩成人综合| 五月丁香婷婷激情视频| 亚洲岛国电影| 26uuu欧美宗合| 天天日中文| 99热国产国产| 亚洲天堂久久| 99久久国产成人精品| 激情丁香五月| 色六月丁香婷婷啪啪啪| 人妻内射视频| 五月天激情图片网| 五月丁香激情在线| 久久38视频| 桃色五月天| 蜜臀综合久草| 26uuu欧美宗合| 欧类av怡春院| 五月色丁香激情| 69天堂99| 亚洲九N| 激情五月黄色小说| 成人精品视频99在线观看免费| 激情五月深爱五月| 91干婷婷| 色性日本| 丁香婷婷综合色五月激情国产基地| 色婷婷亚洲在线| 色色婷婷综合| 五月激情婷婷国产精品久久久久久| 九色视频九色九色91jiuseshipin| 翔田千里aV中文字幕| 丁香五月欧美色综合| WWW.HENHENL.| 9久久久久久久久久久| 国产免费一区二区三区三州老师F1F1.CC | 综合网五月天123| 色色色婷婷| 天天色综网| 色噜噜狠狠色综合日日免费| 六月婷婷天堂| 国产精品大香蕉| 婷婷综合五月色播| 9久国产| 中文av网| 丁香五月婷婷在线观看| 天天狠天天狠| 色色热日| 久久ww| 九九视频精品在线免费| 五月丁香啪啪| 久久精品99久久久久久| 亚洲综合干| 在线五月婷| www.91操| 亚洲va成人va成人va在线观看| 九九视频免费| 色婷婷五月成人网| 日本熟妇乱妇熟色A片蜜桃| 六月伊人婷婷| a九九热www| 玖玖婷婷色欲| 一级片操逼视频| 色色五月丁香婷婷| 九九亚洲视频| 五月丁香成人网| 丁香婷婷五月人体| 欧美日韩精品人妻狠狠躁免费视频| 亚洲99精品欧美一区| 久久9视频| 日本女色人人| 国产肥白大熟妇BBBB视频| 九九热99视频| 99视频精品在线| 久久这里只有精品无码| 婷婷激情五月天网站| h亚洲| 天天天天干| 欧美久热| 97碰久久| 99操视频| 久久婷五月婷| 婷婷五月天久久久| av在线观看网站| 丁香婷婷视频在线| 色婷婷五月综合| 婷婷丁香激情五月天色色| 婷婷久久国产视频| 婷婷色五月亚洲| 综合狠狠干| 久婷婷五月丁香在线观看| 五月天婷婷久草丁香| 久热精彩视频98| 啪啪五月综合| 99毛片| 97婷婷狠狠| 久久久久久久久99精品| 久久婷婷成人| 欧韩性爱| 深爱激情九九五月天 | 另类激情五月| 婷婷五月亚洲综合| 激情综合在线观看| 99在线精品观看99| 青青草蜜臀| 操逼在线视频| 激情婷婷狠狠干| 婷婷成人丁香色情基地30| 99热这里只有精品21| 色亚洲视频| 亚洲日韩人妻操逼| 五月婷丁香在线视频在线| 99九九视屏| 开心五月天激情网站| 人妻精品久久久久久久| 手机AVAV天堂看网| 伊人深爱综合| 婷婷啪啪| 激情五月婷婷老师| 日韩操女| 色色网站在线免费观看视频| 狠狠干综合网| 欧美在线97| 婷婷色综合| 最近中文字幕2019视频1| 在线综合啪| 9191avse| 99福利视频| 9999三级片| 99久久九九视频| 青青999| 色色吧综合| 性爱在线播放av| 伊人五月丁香| 99九九久久| 99精品国产在热久久| 欧美A片在线视频免费观看| 色欲色天天香综合| 五月天激情无码高清| 99在线观看精品| 亚洲国产精品VA在线看黑人| aa久久| 狠狠五月天婷婷激情网。| www.婷婷| 婷婷WWW久久| 天天操天天操| 五月丁香六月婷婷国产视频| 亚洲第一综合| 婷婷99视频精品| 99视频热| 99re热视频这里只精品| av在线观看免费| 色综色五月天婷婷| 青柠影视免费高清电视剧| www.91九色| 婷婷五月激情天| 欧美日本日韩| 婷婷丁香六月影视| 91午夜激情| www.色五月| 中文无码婷婷| 五月激情六月丁香| 91精选国| 色五月丁香婷婷综合| 综合视频久久| www.五月天色色色| 99精品在这里| 婷婷丁香五月综合| 五月天激日本色情在线| 五月天综合网| 91人妻人人操人人爽| 五月丁香性| 色综合久久无码| 亚洲日日日| 99啪视频在线观看| 五月婷婷成人| 碰碰91| 激情五月天天狠狠久久| 久久99久久99www| 夜夜躁爽日日| 9色免费网| 五月开心激情| 操操综合网婷婷| 99色精品| 成人欧美日韩| 激情99| 伊人狠狠狠综合| 婷婷国产五月天17c| 婷婷在线激情| 天天日天天草| 四虎成人精品永久免费AV九九| 五月婷亚洲精品| 日本久久超碰| AV性爱网| 天天日,夜夜爽| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 六月丁香婷婷开心综合基地| 99ri网站在线观看| WWW.17C亚洲精品| 大香蕉婷婷丁香视频在线| 久9视频| 婷婷五月丁香久久| 国产一区二区三区影院| www,婷婷五月天,com| 欧美性猛交99久久久久99按摩| 丁香婷婷激情| 玖玖热视频| 精品久久9| 风流少妇A片一区二区蜜桃| 五月天激情无码| 亚洲AV免费在线| 免费视频WWW在线观看网站| 午夜九九电影| 玖玖99免费视频| 丁香五月天啪啪| er99免费视频在线| 9月色婷婷| 亚洲婷婷五月天| 婷婷激情五月天在线| 丁香五月婷婷啪啪| 成人Av在线大片| 青青草伊人婷婷| 99re视频精品| 色播五月婷婷综合| 久操福利| 色婷婷第四色| 婷婷深爱五月| 色色色色网站| 伊人激情AV一区二区三区| 99re26视频| 欧美五月婷婷综合| 婷婷成人视频| 99热久草| 亚洲视频在线观看| 五月播播| 久久色五月天| 婷婷久久久| 六月婷婷九月丁香亚洲综合| 狠狠久久婷婷| 五月婷婷激情综合网| 亚洲婷婷丁香五月视频| 久色88| 天天色综网| 99这里只有精品8| 婷婷综合中文| 国产avapp 网| 第四色色六月色综合| 丁香五月瑟瑟| 九九黄色网| 婷婷五月天亚洲天堂| 91在线97视频| 久久五月综合| 五月开心婷婷| 婷婷五月综合性爱| 色五月激情网| 欧美天天综合网站上去吧| 超热久碰.com| 99精品视频在线观看| 日韩欧美一级大黄网站| 精品思思久久| 亚洲情欲久久| 亭亭玉月丁香| 激情综合网五月激情| www.99热| 久久婷婷五月天综合| 依人大香蕉| 婷婷丁香18| 99操视频| 亚洲色婷婷五月| 超碰91在线| 欧美婷婷综合| 九九av| 精品人妻在线| 丁香五月av在线| 99热在线观看| 99欧美三级视频| 五月丁香六月婷| 欧美视频五区| 久热最新视频 | 天天噜日日噜综合无码| 五月四色激情| 色墦五月丁香| 九九色欲网| 久久色这里只有精品| 丁香六月天AV| 久久五月激情综合| 91久久九九| 嫩草极品| 99热精品在线| 婷婷五月天奸女| 久久久久久性爱视频| 久久五月网| 一起草AV| 97九色视频| 神马久久五月天| 国产成人精品一区二三区熟女在线| 五月婷婷色影院| 九九热只有精品| 5月婷婷性视频| 五月久久五月激情| 欧美在线操| 18久久| www.婷婷五月.com| 99在线精品免费视频| 99久久网站| 99re免费精品视频| www色综合| 色婷婷影音| 婷婷丁香五月天婷婷| 九九色大香蕉| 婷婷综合av| 99ri网站在线观看| 国产精品激情AV久久久青桔| 色99在线观看| 久久人妻伦理| 婷婷五月综合视频| 久久99婷婷| a九九热www| 色爱综合五月| 无码激情AAAAA片-区区| 天堂A∨在线| 婷婷丁香色五月| 99久久思思| 亚洲日本激情| 色婷婷综合成人| 情一色一乱一伦一91A| 婷婷伊人綜合中文| 成人视频免费观看高清完整版在线观看| 丁香五月影院| 狠狠干综合| 99在线精品观看99| 久久五月丁香| 99热免费在线| 99这里有精品视频| 日本色五月| 色五月91| www久久艹| 激情五月天综合网| 五月天伊人综合| 色99热| 九九精品99| 丁香婷婷色色| 久久精品只有这| 26UUU成人网| 77799热| 狠狠色综合777| 色五月五月天| 婷婷伊人五月| 激情婷婷五月色| 婷婷九月| 日本丁香久在线| 色呦呦美女| 97自拍视频在线| 久久狠狠高潮亚洲精品 天天摸夜夜摸夜夜狠狠摸| 99热新网址| 亚洲精品另类| 亚洲国产精品VA在线看黑人| 日日干夜夜干| 久久99国产综合精品免费| 狠狠综合久久| 婷婷久月| 97在线碰| 99乱视频| 99日本在线| 五月开心激情| 国产在线aaa片一区二区99| 综合色色五月| 人人操操97| 99日精品视频| 日本色色图| 激情综合久久| 婷婷四月 成人 狠狠干| 丁香五月综合激情久久潮喷| 99热在线网站| 婷婷色基地在线看| 1024亚洲| 人人操操97| 亚洲成人超碰| 成人永久免费视频在线观看| 99人人干人人| 日韩成人网址| 五月天天天操天天爽夜夜操| 丁香婷婷六月天| 日日操天天爽| 夜夜综合色| av在线激情| 九热视频| 激情五月小说婷婷| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 天天天干夜夜夜操| 亚洲第一成人无码A片| 日本三日本三级少妇三级66| 色婷婷四色| 久久99这里只有精品| 怡红院院在线导航网| 综合xx网| 99久在线精品99re8| 久久综合丁香激情五月| 色伊人91在线视频| 欧美日韩成人在线网| 婷婷欧美偷拍综合| 久久久婷丁香五月| 六月婷婷五月丁香| 激情综合无码| 色色欧美。| 久久精品99久久久久久| 婷婷的五月天另类视频| 激情五月少妇| 九九av| 日本操B视频| 99@久久@99精品视频| 涩 五月 婷婷 狠狠| 亚洲色综合| 五月丁香猫咪久久婷婷综合视频激情四射网入口 | 久久精品国产AV一区二区三区 | 免费在线a| 99热日韩这里只有精品| 人妻内射视频| 综合婷婷| 壅壅儕家a| 久久这里只有国产| 丁香婷婷影院| 国产人妻777人伦精品HD| 色丁香五月婷婷综合久久| 天天爽爽日日做做| 五月天啪啪啪| 久久在线视频免费观看| 黄色成人AV在线| 梁铮版《蜘蛛女侠》在线| 99精品在线下载| 99久视频| 五月天伊人久久| 婷婷五日b| 9l视频自拍九色9l视频在线观看| 亚洲精品无AMM毛片| 色色色999| 天天日天天肏天天奸| 99日韩| 99这里只有精品|v| 噼里啪啦完整版中文在线观看| 日本精品干| 丁香五月六月婷婷自拍| 色综合综合色| 一起操 91N.com| 天天拍夜夜爽日日| 亚洲人妻av| 亚洲中文AV网站| 天干天天干天天天天天| 五月激情综合网| 大香伊人婷婷| 这里只有精品视频看看| 精品色| 久草婷妨| 青草久久五月婷伊人| 综合色99| 亚洲综合在线网站| 区区欧美你爱| 欧洲第一无人区观看| 99日韩| 色九月婷婷丁香| WwW色婷婷| caopeng超碰| 六月婷久久| 99青青草99| 婷婷五月天,影院| 丁香五月偷拍| 97操视频| 五月色综合| 激情六月婷婷啪啪| 狠狠va| 色婷婷九月| 爱久综合| 99热天堂| 婷婷久久婷婷色五月| 成 久久| 99成人| 天天做综合| 婷婷六月综合激情| 国产九九一区二区三区| 婷婷六月五月| 亚洲日本韩国| 乱女乱妇熟女熟妇综合网站| 色色色色色色网站| 99在线综合视频| 久久丁香五月婷| AA片在线观看视频在线播放| 天天色综和网| 五月丁香啪| 婷婷伊人75| 五月天啪啪啪| 超碰伊人碰婷婷五月| www.五月.com| AV片在线观看| 婷婷亚洲在线| 欧美综合五月天婷婷tin| 密臀久久| 最近韩国日本免费高清观看| 婷婷五月花免费视频在线| 五月天婷婷综合| 操逼六区| 五月丁香久久久久| 久久五月激情综合| 超碰在线观看99| 色~性~乱~伦~噜| 激情六月天| 色婷婷综合亚洲| 丁香六月婷婷一区二区三区| 国产成人综合电影| 99er6热在线观看精品6| 99国产精品白浆在线观看免费| 天天插天天玩天天干| 丰满人妻一区二区三区| 亚洲在线资源| 538任你爽| 日本99在线视频| 99热手机在线精品| 操日本99| 777精品成人a v久久| 五月丁香花成人社区| 天天色天天色天天色天天色天天色| 久久se 综合网| 亚洲色模骚货| 五月丁香久久丝袜啪啪| 91九色在线视频| 天天搡日日搡aaaaⅩ| 婷婷五月天精品| 99精品视频在线免费观看| 五月天网址在线刘玥| 五月综合缴情网| 一级性感毛片| 九九热在线精品视频| 色热久| 丁香色五月 97干| 天天狠狠色噜噜| 97日日碰碰| 人人摸人人澡人人| 日本一级黄色电影| 成人做爰A片免费看视频| 99热777| 婷婷福利影院| 婷丁香五月天| 操操操操操操婷婷五月天| 最近免费中文字幕大全高清大全1| 青青草视频福利| 99久久偷拍视频| 丁香五月最新地址| 色色色777| 5月丁香美女影院| 精品人妻伦一二三区久| 丁香色色网| 亚洲婷婷五月天| 天天干夜夜b| 五月开心啪啪| 日本人妻A片成人免费看片| 婷婷伊人网| 亚洲字幕AV一区二区三区四区| www.六月丁香看AV| 五月天另类图片区99| 激情五月天综合| 色之综合网| 91久久久久| 婷婷午夜激情| 天天插天天很| 国产无遮挡又黄又爽免费网站| 激情婷婷五月社区| 丁香色综合| 欧美激情综合色综合啪啪五月| 操操操AV| 久色网| 日韩青青| 久久婷婷啪啪视频| 丁香婷婷六月天| 99操免费视频| 激情网五月| 婷婷情色激情| 婷婷99狠狠躁天天| 99噜噜噜在线播放| 天天日天天干天天天| 久久99婷婷| 国产黄色在线| 天天做天天摸| 婷婷五月综合免费在线| 五月天天综合| 天天做天天爱天天爽在| 国产精品视频网| 97人人操人人干| 高潮毛片遮挡费高一百度| 9|在线观看视频| 色色色com| 日日肏夜夜干| 综合伊人久久| 婷婷中文字幕| 开心网五月色婷婷| 伊人久久大香蕉网| 婷婷五月激情黄色| 激情性爱五月天| 亚洲五月天婷婷在线| 99惹在线精品免费观看| 加勒比久热| 图片区 小说区 区 亚洲五月| 色五月AV| 狠狠操.COM| 成人精品在线观看| 色欲久久99精品久久久久久| 激情五月综合网| 婷婷五月视屏| 婷婷区日本| 五月久久婷婷| 大香蕉久久久久久久久| 五月婷婷影院| 综合五月天| 26uuuuuuuu国产| 婷婷欧美激情综合| 亚洲国产成人AV在线|